基于信息擴(kuò)散和關(guān)鍵期遙感數(shù)據(jù)的冬小麥估產(chǎn)模型.pdf

《基于信息擴(kuò)散和關(guān)鍵期遙感數(shù)據(jù)的冬小麥估產(chǎn)模型.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第27卷2011焦第2期2月農(nóng)業(yè)工程學(xué)報(bào)TransactionsoftheCSAEVr01．27No．2Feb．201l187基于信息擴(kuò)散和關(guān)鍵期遙感數(shù)據(jù)的冬小麥估產(chǎn)模型朱再春，陳聯(lián)裙，張錦水※，潘耀忠，朱文泉(北京師范大學(xué)資源學(xué)院，地表過(guò)程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京100875)摘要：農(nóng)作物估產(chǎn)對(duì)于國(guó)家制定糧食進(jìn)出口政策和保障糧食安全具有重要意義。為構(gòu)建高精度的作物估產(chǎn)模型，探討了一種將信息擴(kuò)散原理和關(guān)鍵期遙感數(shù)據(jù)相結(jié)合的農(nóng)作物遙感估產(chǎn)方法。首先利用信息擴(kuò)散原理將關(guān)鍵期遙感數(shù)據(jù)生成的NDVI和實(shí)割實(shí)測(cè)產(chǎn)量數(shù)據(jù)擴(kuò)散到多維監(jiān)控空間，采用模糊合成的方法建立

2、關(guān)鍵期遙感數(shù)據(jù)和實(shí)割實(shí)測(cè)產(chǎn)量之間的離散關(guān)系模型。然后針對(duì)模型的穩(wěn)定性和精度進(jìn)行交叉驗(yàn)證，并與多元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比。結(jié)果表明，利用信息擴(kuò)散方法構(gòu)建的遙感估產(chǎn)模犁穩(wěn)定性和精度都明顯提高，與多元回歸方法和BP神經(jīng)網(wǎng)絡(luò)方法相比，決定系數(shù)分別提高0．180、0．491，均方根誤差分別降低173．10、487．79kg／hill2。該方法能較好地模擬冬小麥遙感估產(chǎn)中歸一化植被指數(shù)和產(chǎn)量之間的非線性關(guān)系，且泛化推廣能力優(yōu)異，為應(yīng)用關(guān)鍵期遙感數(shù)據(jù)進(jìn)行冬小麥估產(chǎn)提供了一種有效方法。關(guān)鍵詞：農(nóng)作物，遙感，模型，信息擴(kuò)散，冬小麥估產(chǎn)doi：10．3969／

3、j．issn．1002—6819．2011．02．031中圖分類號(hào)：TP79：S127，$512．1+1文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1002—6819(2011)-02-0187-07朱再春，陳聯(lián)裙，張錦水，等．基于信息擴(kuò)散和關(guān)鍵期遙感數(shù)據(jù)的冬小麥估產(chǎn)模型[J】．農(nóng)業(yè)工程學(xué)報(bào)，2011，27(2)：187—193．ZhuZaichun,ChertLianqun,ZhangJinshui，eta1．Winterwheatyieldestimationmodelbasedoninformationdiffusionandremotesensingdataatmaj

4、orgrowthstages[J]．TransactionsoftheCSAE，201l，27(2)：187—193．(inChinesewithEnglishabstract)0引言農(nóng)作物的播種面積、產(chǎn)量等信息是國(guó)家制定糧食政策和經(jīng)濟(jì)發(fā)展計(jì)劃的重要依據(jù)。冬小麥?zhǔn)侵袊?guó)主要糧食作物之一，播種面積占糧食作物總播種面積的五分之一。及時(shí)了解冬小麥面積、長(zhǎng)勢(shì)及產(chǎn)量，對(duì)加強(qiáng)其生產(chǎn)管理，進(jìn)一步發(fā)揮其生產(chǎn)潛力，幫助政府有關(guān)部門制定科學(xué)合理的糧食政策和決策有重要意義【l】。傳統(tǒng)的農(nóng)作物估產(chǎn)方法主要有統(tǒng)計(jì)預(yù)報(bào)方法、氣象統(tǒng)計(jì)方法和農(nóng)學(xué)預(yù)報(bào)方法等[2-4]。統(tǒng)計(jì)預(yù)報(bào)產(chǎn)量在較大行政

5、范圍內(nèi)精度較高，但這類方法沒有考慮作物本身的特性，也無(wú)法得到作物產(chǎn)量的空間分布信息；氣象統(tǒng)計(jì)方法歷史較悠久，在使用該方法進(jìn)行大范圍作物估產(chǎn)時(shí)，應(yīng)注意解決氣象站點(diǎn)數(shù)據(jù)內(nèi)插和由氣象站點(diǎn)數(shù)據(jù)得到的單點(diǎn)作物產(chǎn)量的空間外推問題；農(nóng)學(xué)預(yù)測(cè)預(yù)報(bào)方法具有良好的農(nóng)學(xué)基礎(chǔ)，但農(nóng)學(xué)參數(shù)與影響因子之間的關(guān)系很難標(biāo)定，加之中國(guó)種植制度的復(fù)雜性，使得農(nóng)學(xué)參數(shù)在區(qū)域間變化復(fù)雜，不易應(yīng)用于大范圍作物估產(chǎn)。20世紀(jì)70年代以來(lái)，遙感技術(shù)在世界范圍內(nèi)得到了迅速發(fā)展和廣泛應(yīng)用，為農(nóng)作物長(zhǎng)勢(shì)的宏觀動(dòng)態(tài)監(jiān)測(cè)和產(chǎn)量估算提供了一種新的科學(xué)手段。收稿日期：2010-12．15修訂日期：2011．ol-2

6、6基金項(xiàng)目：國(guó)家糧食主產(chǎn)區(qū)糧食作物種植面積遙感測(cè)量與估產(chǎn)業(yè)務(wù)系統(tǒng)(2006AAl20101)：北京市統(tǒng)計(jì)生態(tài)資源遙感測(cè)量運(yùn)行系統(tǒng)作者簡(jiǎn)介：朱再春(1985一)。男。湖北人，博士生，現(xiàn)從事農(nóng)作物估產(chǎn)、數(shù)字圖像處理等方面的研究．北京北京師范大學(xué)資源學(xué)院，100875．Emaii：zhu．zaichun@gmail．com※通信作者：張錦水(1978一)，男。河北人。博士，現(xiàn)從事統(tǒng)計(jì)遙感，遙感信息提取等方面的研究。北京北京師范大學(xué)資源學(xué)院，100875．Email：zhan窖ish@bnu．educn目前，利用遙感技術(shù)進(jìn)行作物估產(chǎn)的方法中，統(tǒng)計(jì)模型方法操作實(shí)施簡(jiǎn)

7、單、靈活，是當(dāng)前作物遙感估產(chǎn)的主要常規(guī)方法。統(tǒng)計(jì)模型方法包括線性模型方法和非線性模型方法。由于作物產(chǎn)量形成機(jī)理通常表現(xiàn)為非線性，基于遙感數(shù)據(jù)與產(chǎn)量統(tǒng)計(jì)關(guān)系的線性方法，通常存在經(jīng)驗(yàn)特征強(qiáng)、精度不夠高的缺點(diǎn)151。因此，非線性的遙感估產(chǎn)模型日益受到重視，如神經(jīng)網(wǎng)絡(luò)法睜9】和支撐向量回歸【10】等。神經(jīng)網(wǎng)絡(luò)是人腦神經(jīng)元的近似模擬，其建模的精度往往受主觀因素的制約，訓(xùn)練過(guò)程易陷入局部極值和過(guò)學(xué)習(xí)，影響預(yù)測(cè)的精度[71。而支撐向量回歸在其核函數(shù)的選取和核函數(shù)的一些參數(shù)確定上帶有經(jīng)驗(yàn)性，仍需進(jìn)一步研列10l。信息擴(kuò)散原理【11l是一種探尋樣本內(nèi)在規(guī)律的模糊數(shù)學(xué)處理方法

8、。近年來(lái)，信息擴(kuò)散方法的應(yīng)用也逐漸興起，主要體現(xiàn)在風(fēng)險(xiǎn)分析等領(lǐng)域【